要點

據報導，OpenAI 正在考慮大幅降價（每 token 價格），以因應 Anthropic 可能採取的競爭措施，因為兩家公司都正朝 IPO 方向推進。市占變動與 Anthropic 的快速成長加劇了價格壓力，而開源推理服務提供者以遠低於商業方案的價格提供相當的模型效能。 這種局面可能會大幅壓低商業模型的定價，並迫使既有業者做出痛苦的利潤取捨。 結果是：企業在任何正式價格戰開始之前就有了更實惠的選擇。

情緒分析

• 文章整體情緒偏向混合至負面：它強調了策略動作與成長成功，但同時突顯對主要 AI 提供者而言日益增加的財務壓力與無法持續的利潤率。競爭緊張和快速變動的客戶偏好為既有業者帶來不確定性。敘事指向機會──透過開源推理能擴大存取並降低價格──也指向風險──利潤縮減、積極的客戶獲取策略以及既有商業模式可能被侵蝕。
  40%

文章內容

報導指出，OpenAI 正在權衡大幅下調 token 價格，以因應 Anthropic 可能採取的競爭性行動。兩家公司皆已秘密提交 IPO 申請，這使得在向投資人展示成長與規模的同時還要管理利潤成為壓力來源。OpenAI 的領導層曾表示會努力以較低成本為客戶提供更高價值，鑑於其據報的營運利潤為負且在過去一年內其生成式 AI 的網路流量占比縮減，這項回應顯得更加迫切。

Anthropic 的商業表現快速加速，收入指標顯示出顯著成長，主要由以程式碼為重點的產品所驅動。這股動能幫助 Anthropic 在最近一季達到獲利，並促成客戶偏好的轉移：在某些產業追蹤中，付費使用 Anthropic 服務的公司數量已超過使用 OpenAI 的公司。競爭版圖現在不僅圍繞功能相近與模型能力，也聚焦於價格與每 token 成本經濟學。

企業採用模式已演進。許多客戶會先以低成本、固定費用的產品評估能力，然後隨著使用量增長轉向計量 API。那個轉變會讓企業面臨更高的運算成本，尤其是對於像程式碼助手或具代理性自動化等高負載工作而言。觀察者將這視為結構性挑戰：入門定價可作為誘導採用的虧損引子，而可擴展的生產使用則揭露真實的單位經濟。

與此同時，開源推理服務提供者正在快速擴張。這些提供者執行公開可得的高品質模型，並以遠低於封閉商業 API 的價格提供推理服務。在若干案例中，由中國實驗室開發並開源給社群的模型，正由推理平台以僅為專有替代方案一小部分成本的方式提供。此類模型的可用性降低了定價底線，並為希望避免昂貴 API 帳單的企業創造出可負擔的途徑。

業界評論者指出，推理服務提供者的主要成本是模型本身；當模型為開源時，該成本實質上消失，使得推理提供者能在價格上激烈競爭。此一動態暗示對價格的下行壓力，既有業者若不大幅降低利潤或改變其商業模式，將難以抗衡。有一項重要但需注意的情況：若主要的開源貢獻者轉向封閉開發，競爭動態將改變，既有業者可能會恢復定價能力。

使用行為也扮演角色。一些企業與部門的 AI 運算消耗速率出乎意料地高，有時超出預算並引發內部對投資報酬率的擔憂。像「tokenmaxxing」這類術語描述了組織為快速實驗與擴展而耗盡 tokens 的行為──這些做法會提升供應商的短期收入，但可能無法轉化為可持續的價值。分析師與內部利害關係人越來越擔憂失控的 AI 帳單，促使他們檢視定價安排與供應商關係。

鑒於這些力量，OpenAI 與 Anthropic 之間可能的價格戰既反映了在公開募股前的策略佈局，也回應了由開源替代方案所引入的市場現實。若發生降價，既有業者可能會犧牲利潤以保護市占，而推理提供者與開源模型則會繼續對長期定價施加下行壓力。獲利能力、客戶遷移模式與開源模型的可得性之間的相互作用，將決定任何價格調整能維持多久。

簡言之，市場正處於一個臨界點：價格競爭現在與模型品質競爭同等重要。 低成本的開源選項存在意味著傳統的定價權力減弱，而封閉提供者若要實現持續的利潤回升，將面臨結構性阻力。

關鍵見解表